第一章模式识别概述[2014].pptVIP

* 训练或学习（Training） 利用样本数据来确定分类器的过程 “基于样本的学习”的方法是设计分类器的最有效的方法。 分类器设计 * 评价分类器（Evaluation） 识别率 误识率 实时性 计算复杂度 分类器设计 * 模式识别的研究机构 中科院自动化所模式识别国家重点实验室 模式识别基础理论研究 图像处理与计算机视觉 语音语言信息处理 * 模式识别的研究机构 微软亚洲研究院 是微软公司在海外开设的第二家基础科研机构，也是亚洲地区唯一的基础研究机构。 “新一代用户界面”和“互联网搜索与数据挖掘”是其主要的研究方向。目标是：开创新的技术，让人们能够用更自然，更多元的方式和机器交谈。 * 模式识别的研究机构 微软亚洲研究院 交互设计：人机交互的用户体验和软硬件技术 机器学习：从海量数据中发现知识 数据智能：数据驱动与互联网驱动的软件和服务 自然语言：语言文本分析、机器翻译、跨语言信息检索和自动问答系统等 语音：口语识别与合成技术、人机语音交互作用 * 模式识别的研究机构 科大讯飞股份有限公司——中文语音产业领导者 专业从事智能语音及语言技术、人工智能技术研究、语音信息服务的国家级骨干软件企业，其智能语音核心技术代表了世界的最高水平。 在语音合成、语音识别、口语评测、自然语言处理等多项技术上拥有国际领先的成果。 * 模式识别的研究机构 清华大学 北京大学视觉与听觉信息处理国家重点实验室 中国科学技术大学视听觉信息处理与模式识别实验室 * 模式识别存在的问题 模式识别是一门快速发展的新兴学科，涉及到多学科、多领域的复杂问题 和生物认知系统相比，现有人工模式识别系统的适应和识别能力还远远不能令人满意 模式识别的许多理论和基本方法方面的问题还远没有得到解决 新问题层出不穷，传统方法均存在一定的局限性 * 模式识别的研究前沿 多模态生物特征识别 生物信息学 三维视觉信息处理 智能机器人 智能语音信息系统 * 模式识别的基本方法 句法方法 定义基元： * 模式识别的基本方法 理论基础 形式语言 自动机技术 主要方法 CYK剖析算法 Early算法 状态图法 * 模式识别的基本方法 优点 能有效反映模式的结构特征 特别适合于文字、图象等具有结构特征的模式分类问题 缺点 当存在干扰及噪声时，基元提取较为困难 分类器的设计比统计方法困难和复杂 * 模式识别的基本方法 模糊模式识别 基于模糊数学和统计分析的识别方法，在不能明确描述模式特征和结构的复杂模式识别问题中得到了成功应用 根据隶属度和模糊文法进行分类 模糊模式类 很像三角形的图形 远大于2的整数 清晰模式类 三角形 大于2的整数 * 模式识别的基本方法 模式描述方法 模糊集合 模式判定 用隶属度将模糊集合划分为若干子集，m类就有m个子集，然后根据择近原则进行分类 * 模式识别的基本方法 理论基础 模糊数学 主要方法 模糊统计法 二元对比排序法 推理法 模糊矩阵 * 模式识别的基本方法 优点 以隶属度作为样本间相似程度的度量，具有较强的抗干扰与畸变能力 缺点 准确合理的隶属度函数往往难以建立，限制了其应用 * 模式识别的基本方法 神经网络方法 基于现代生物学和认识科学对人类信息处理的研究成果 采用人工神经网络模型，使识别和处理过程更接近人类的思维过程 * 模式识别的基本方法 模式描述方法 神经元：不同活跃度表示的输入节点集 模式判定 通过对样本的学习建立起记忆，将未知模式判决为其最接近的记忆 * 模式识别的基本方法 输入层( i ) 输入层( j ) 输入层( k ) * 模式识别的基本方法 神经网络方法 人工神经网络由相互广泛连接的神经元组成，信息分布于神经网络中 每一节点的输入为前一层所有节点输出的加权和 通过已知类别样本的学习，调整各节点之间的加权系数 * 模式识别的基本方法 理论基础 神经生理学 心理学 主要方法 BP模型 HOP模型 高阶网 * 模式识别的基本方法 优点 具有自适应学习能力，适用于并行计算与处理 缺点 模型在不断丰富与完善中 目前能识别的模式类还不够多 * 模式识别的一般过程 无论采用何种方法，模式识别一般都要包括下列两个基本过程 模式识别 学习过程（设计过程） 识别过程（实现过程） * 模式识别的一般过程 学习过程 通过一批已知类别的学习样本进行分析，推出分类 准则。 识别过程 对末知类别的单个待识样本，根据分类准则进行识 别分类。 * 模式识别的一般过程 学习样本 数据获取 预处理 特征提取 统计分析 分类准则 待识样本 数据获取 预处理 特征提取 识别分类 分类结果 统计模式识别的过程 * 模式识别的一般过程 学习样本 数据获取 预处理